ਟਿਊਟੋਰਿਅਲ ਰੀਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀਆਂ ਮੂਲ ਗੱਲਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਅਤੇ ਐਕਸਲ ਵਿੱਚ ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਕਰਨ ਦੇ ਕੁਝ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਦਿਖਾਉਂਦਾ ਹੈ।

ਇਸਦੀ ਕਲਪਨਾ ਕਰੋ: ਤੁਹਾਨੂੰ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਤੁਹਾਡੀ ਕੰਪਨੀ ਲਈ ਅਗਲੇ ਸਾਲ ਦੇ ਵਿਕਰੀ ਸੰਖਿਆਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਤੁਸੀਂ ਦਰਜਨਾਂ, ਸ਼ਾਇਦ ਸੈਂਕੜੇ, ਕਾਰਕਾਂ ਦੀ ਖੋਜ ਕੀਤੀ ਹੈ ਜੋ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਸੰਖਿਆਵਾਂ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੇ ਹਨ। ਪਰ ਤੁਸੀਂ ਕਿਵੇਂ ਜਾਣਦੇ ਹੋ ਕਿ ਕਿਹੜੀਆਂ ਚੀਜ਼ਾਂ ਅਸਲ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹਨ? ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਚਲਾਓ। ਇਹ ਤੁਹਾਨੂੰ ਇਸ ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਦੇਵੇਗਾ: ਕਿਹੜੇ ਕਾਰਕ ਮਹੱਤਵਪੂਰਨ ਹਨ ਅਤੇ ਕਿਨ੍ਹਾਂ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ? ਇਹ ਕਾਰਕ ਇੱਕ ਦੂਜੇ ਨਾਲ ਕਿੰਨੇ ਨੇੜਿਓਂ ਜੁੜੇ ਹੋਏ ਹਨ? ਅਤੇ ਤੁਸੀਂ ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਬਾਰੇ ਕਿੰਨੇ ਨਿਸ਼ਚਿਤ ਹੋ ਸਕਦੇ ਹੋ?

ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ - ਬੇਸਿਕਸ

ਅੰਕੜਾ ਮਾਡਲਿੰਗ ਵਿੱਚ, ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਦੋ ਜਾਂ ਦੋ ਤੋਂ ਵੱਧ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਓ:

ਨਿਰਭਰ ਵੇਰੀਏਬਲ (ਉਰਫ਼ ਮਾਪਦੰਡ ਵੇਰੀਏਬਲ) ਉਹ ਮੁੱਖ ਕਾਰਕ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਸਮਝਣ ਅਤੇ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹੋ।

ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ (ਉਰਫ਼ ਵਿਆਖਿਆਤਮਕ ਵੇਰੀਏਬਲ, ਜਾਂ ਭਵਿੱਖਬਾਣੀ ) ਉਹ ਕਾਰਕ ਹਨ ਜੋ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੇ ਹਨ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਹ ਸਮਝੋ ਕਿ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਕਿਵੇਂ ਬਦਲਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਬਦਲਦਾ ਹੈ ਅਤੇ ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਕਿ ਇਹਨਾਂ ਵਿੱਚੋਂ ਕਿਸ ਵੇਰੀਏਬਲ ਦਾ ਅਸਲ ਵਿੱਚ ਪ੍ਰਭਾਵ ਹੈ।

ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ, ਇੱਕ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਮਾਡਲ ਦੇ ਜੋੜ 'ਤੇ ਅਧਾਰਤ ਹੈ

ਇਸ ਸਮੇਂ, ਤੁਹਾਡਾ ਚਾਰਟ ਪਹਿਲਾਂ ਹੀ ਇੱਕ ਵਧੀਆ ਰਿਗਰੈਸ਼ਨ ਗ੍ਰਾਫ ਵਰਗਾ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ:

ਫਿਰ ਵੀ, ਤੁਸੀਂ ਕੁਝ ਹੋਰ ਸੁਧਾਰ ਕਰਨਾ ਚਾਹ ਸਕਦੇ ਹੋ:

• ਤੁਹਾਨੂੰ ਜਿੱਥੇ ਵੀ ਫਿੱਟ ਲੱਗੇ ਸਮੀਕਰਨ ਨੂੰ ਖਿੱਚੋ।
• ਐਕਸ ਟਾਈਟਲ ਸ਼ਾਮਲ ਕਰੋ ( ਚਾਰਟ ਐਲੀਮੈਂਟਸ ਬਟਨ > ਐਕਸਿਸ ਟਾਈਟਲਸ )।
• ਜੇਕਰ ਤੁਹਾਡੇ ਡੇਟਾ ਪੁਆਇੰਟ ਹਰੀਜੱਟਲ ਅਤੇ/ਜਾਂ ਲੰਬਕਾਰੀ ਧੁਰੇ ਦੇ ਮੱਧ ਵਿੱਚ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਤੁਸੀਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਫੈਦ ਸਪੇਸ ਤੋਂ ਛੁਟਕਾਰਾ ਪਾਉਣਾ ਚਾਹ ਸਕਦੇ ਹੋ। ਹੇਠਾਂ ਦਿੱਤੀ ਟਿਪ ਦੱਸਦੀ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਕਰਨਾ ਹੈ: ਸਫੈਦ ਥਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਚਾਰਟ ਦੇ ਧੁਰੇ ਨੂੰ ਸਕੇਲ ਕਰੋ।

  ਅਤੇ ਸਾਡਾ ਸੁਧਾਰਿਆ ਹੋਇਆ ਰਿਗਰੈਸ਼ਨ ਗ੍ਰਾਫ ਇਸ ਤਰ੍ਹਾਂ ਦਿਸਦਾ ਹੈ:

  ਮਹੱਤਵਪੂਰਨ ਨੋਟ! ਰਿਗਰੈਸ਼ਨ ਗ੍ਰਾਫ ਵਿੱਚ, ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਹਮੇਸ਼ਾ X ਧੁਰੇ ਉੱਤੇ ਅਤੇ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਨੂੰ Y ਧੁਰੇ ਉੱਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਜੇਕਰ ਤੁਹਾਡੇ ਗ੍ਰਾਫ ਨੂੰ ਉਲਟੇ ਕ੍ਰਮ ਵਿੱਚ ਪਲਾਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਤਾਂ ਆਪਣੀ ਵਰਕਸ਼ੀਟ ਵਿੱਚ ਕਾਲਮਾਂ ਦੀ ਅਦਲਾ-ਬਦਲੀ ਕਰੋ, ਅਤੇ ਫਿਰ ਚਾਰਟ ਨੂੰ ਨਵੇਂ ਸਿਰਿਓਂ ਖਿੱਚੋ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਰੋਤ ਡੇਟਾ ਨੂੰ ਮੁੜ ਵਿਵਸਥਿਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਨਹੀਂ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਇੱਕ ਚਾਰਟ ਵਿੱਚ X ਅਤੇ Y ਧੁਰੇ ਨੂੰ ਸਿੱਧਾ ਬਦਲ ਸਕਦੇ ਹੋ।

ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਕਸਲ ਵਿੱਚ ਰੀਗਰੈਸ਼ਨ ਕਿਵੇਂ ਕਰੀਏ

Microsoft Excel ਵਿੱਚ ਕੁਝ ਅੰਕੜਾਤਮਕ ਫੰਕਸ਼ਨ ਹਨ ਜੋ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਜਿਵੇਂ ਕਿ LINEST, SLOPE, INTERCEPT, ਅਤੇ CORREL।

LINEST ਫੰਕਸ਼ਨ ਇੱਕ ਸਿੱਧੀ ਗਣਨਾ ਕਰਨ ਲਈ ਘੱਟ ਤੋਂ ਘੱਟ ਵਰਗ ਰਿਗਰੈਸ਼ਨ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਲਾਈਨ ਜੋ ਤੁਹਾਡੇ ਵੇਰੀਏਬਲ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਸਭ ਤੋਂ ਵਧੀਆ ਵਿਆਖਿਆ ਕਰਦੀ ਹੈ ਅਤੇ ਉਸ ਲਾਈਨ ਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲੀ ਇੱਕ ਐਰੇ ਵਾਪਸ ਕਰਦੀ ਹੈ। ਦੀ ਵਿਸਤ੍ਰਿਤ ਵਿਆਖਿਆ ਲੱਭ ਸਕਦੇ ਹੋਇਸ ਟਿਊਟੋਰਿਅਲ ਵਿੱਚ ਫੰਕਸ਼ਨ ਦਾ ਸਿੰਟੈਕਸ। ਹੁਣ ਲਈ, ਆਉ ਸਾਡੇ ਨਮੂਨਾ ਡੇਟਾਸੈਟ ਲਈ ਸਿਰਫ਼ ਇੱਕ ਫਾਰਮੂਲਾ ਬਣਾਈਏ:

=LINEST(C2:C25, B2:B25)

ਕਿਉਂਕਿ LINEST ਫੰਕਸ਼ਨ ਮੁੱਲਾਂ ਦੀ ਇੱਕ ਐਰੇ ਵਾਪਸ ਕਰਦਾ ਹੈ, ਤੁਹਾਨੂੰ ਇਸਨੂੰ ਇੱਕ ਐਰੇ ਫਾਰਮੂਲੇ ਵਜੋਂ ਦਾਖਲ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੱਕੋ ਕਤਾਰ ਵਿੱਚ ਦੋ ਲਾਗਲੇ ਸੈੱਲਾਂ ਦੀ ਚੋਣ ਕਰੋ, ਸਾਡੇ ਕੇਸ ਵਿੱਚ E2:F2, ਫਾਰਮੂਲਾ ਟਾਈਪ ਕਰੋ, ਅਤੇ ਇਸਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ Ctrl + Shift + Enter ਦਬਾਓ।

ਫ਼ਾਰਮੂਲਾ b ਗੁਣਾਂਕ ( E1) ਅਤੇ a ਸਥਿਰ (F1) ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਜਾਣੇ-ਪਛਾਣੇ ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਲਈ:

y = bx + a

ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੀਆਂ ਵਰਕਸ਼ੀਟਾਂ ਵਿੱਚ ਐਰੇ ਫਾਰਮੂਲੇ ਵਰਤਣ ਤੋਂ ਬਚਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ a ਅਤੇ b ਨਿਯਮਤ ਫਾਰਮੂਲੇ ਨਾਲ ਵੱਖਰੇ ਤੌਰ 'ਤੇ:

Y-ਇੰਟਰਸੈਪਟ (a):

=INTERCEPT(C2:C25, B2:B25)

ਢਲਾਨ ਪ੍ਰਾਪਤ ਕਰੋ (b):

=SLOPE(C2:C25, B2:B25)

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਸੀਂ ਸੰਬੰਧ ਗੁਣਾਂਕ ( ਮਲਟੀਪਲ R ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਖੇਪ ਆਉਟਪੁੱਟ ਵਿੱਚ) ਲੱਭ ਸਕਦੇ ਹੋ ਜੋ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮਜ਼ਬੂਤੀ ਨਾਲ ਦੋ ਵੇਰੀਏਬਲ ਇੱਕ ਦੂਜੇ ਨਾਲ ਸੰਬੰਧਿਤ ਹਨ:

=CORREL(B2:B25,C2:C25)

ਹੇਠਾਂ ਦਿੱਤਾ ਸਕ੍ਰੀਨਸ਼ੌਟ ਇਹਨਾਂ ਸਾਰੇ ਐਕਸਲ ਰੀਗਰੈਸ਼ਨ ਫਾਰਮੂਲੇ ਨੂੰ ਐਕਸ਼ਨ ਵਿੱਚ ਦਿਖਾਉਂਦਾ ਹੈ:

ਟਿਪ। ਜੇਕਰ ਤੁਸੀਂ ਆਪਣੇ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਵਾਧੂ ਅੰਕੜੇ ਪ੍ਰਾਪਤ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ, ਤਾਂ LINEST ਫੰਕਸ਼ਨ ਨੂੰ s tats ਪੈਰਾਮੀਟਰ ਦੇ ਨਾਲ TRUE ਸੈੱਟ ਕੀਤਾ ਗਿਆ ਹੈ ਜਿਵੇਂ ਕਿ ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ।

ਇਸ ਤਰ੍ਹਾਂ ਤੁਸੀਂ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਕਰਦੇ ਹੋ। ਐਕਸਲ ਵਿੱਚ. ਉਸ ਨੇ ਕਿਹਾ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਵਿੱਚ ਰੱਖੋ ਕਿ Microsoft Excel ਇੱਕ ਅੰਕੜਾ ਪ੍ਰੋਗਰਾਮ ਨਹੀਂ ਹੈ। ਜੇ ਤੁਹਾਨੂੰ ਪੇਸ਼ੇਵਰ ਪੱਧਰ 'ਤੇ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਟਾਰਗੇਟ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹ ਸਕਦੇ ਹੋਸਾਫਟਵੇਅਰ ਜਿਵੇਂ ਕਿ XLSTAT, RegressIt, ਆਦਿ।

ਸਾਡੇ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਫਾਰਮੂਲੇ ਅਤੇ ਇਸ ਟਿਊਟੋਰਿਅਲ ਵਿੱਚ ਵਿਚਾਰੀਆਂ ਗਈਆਂ ਹੋਰ ਤਕਨੀਕਾਂ ਨੂੰ ਨੇੜਿਓਂ ਦੇਖਣ ਲਈ, ਹੇਠਾਂ ਸਾਡੀ ਨਮੂਨਾ ਵਰਕਬੁੱਕ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰਨ ਲਈ ਤੁਹਾਡਾ ਸੁਆਗਤ ਹੈ। ਪੜ੍ਹਨ ਲਈ ਤੁਹਾਡਾ ਧੰਨਵਾਦ!

ਪ੍ਰੈਕਟਿਸ ਵਰਕਬੁੱਕ

ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ - ਉਦਾਹਰਣਾਂ (.xlsx ਫਾਈਲ)

ਅੰਕੜਿਆਂ ਵਿੱਚ, ਉਹ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿੱਚ ਫਰਕ ਕਰਦੇ ਹਨ। ਸਧਾਰਨ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਇੱਕ ਰੇਖਿਕ ਫੰਕਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਅਤੇ ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਮਾਡਲ ਬਣਾਉਂਦਾ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਦੋ ਜਾਂ ਵਧੇਰੇ ਵਿਆਖਿਆਤਮਕ ਵੇਰੀਏਬਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਨਾਲ ਨਜਿੱਠਦੇ ਹੋ। ਜੇਕਰ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਨੂੰ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਫੰਕਸ਼ਨ ਵਜੋਂ ਮਾਡਲ ਕੀਤਾ ਗਿਆ ਹੈ ਕਿਉਂਕਿ ਡੇਟਾ ਸਬੰਧ ਇੱਕ ਸਿੱਧੀ ਲਾਈਨ ਦੀ ਪਾਲਣਾ ਨਹੀਂ ਕਰਦੇ ਹਨ, ਤਾਂ ਇਸਦੀ ਬਜਾਏ ਨਾਨ-ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇਸ ਟਿਊਟੋਰਿਅਲ ਦਾ ਫੋਕਸ ਇੱਕ ਸਧਾਰਨ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ 'ਤੇ ਹੋਵੇਗਾ।

ਉਦਾਹਰਣ ਦੇ ਤੌਰ 'ਤੇ, ਚਲੋ ਪਿਛਲੇ 24 ਮਹੀਨਿਆਂ ਲਈ ਛਤਰੀਆਂ ਲਈ ਵਿਕਰੀ ਨੰਬਰ ਲੈਂਦੇ ਹਾਂ ਅਤੇ ਉਸੇ ਮਿਆਦ ਲਈ ਔਸਤ ਮਾਸਿਕ ਵਰਖਾ ਦਾ ਪਤਾ ਲਗਾਓ। ਇਸ ਜਾਣਕਾਰੀ ਨੂੰ ਇੱਕ ਚਾਰਟ 'ਤੇ ਪਲਾਟ ਕਰੋ, ਅਤੇ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ (ਵਰਖਾ) ਅਤੇ ਨਿਰਭਰ ਵੇਰੀਏਬਲ (ਛਤਰੀ ਦੀ ਵਿਕਰੀ) ਵਿਚਕਾਰ ਸਬੰਧ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰੇਗੀ:

ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ

ਗਣਿਤਿਕ ਤੌਰ 'ਤੇ, ਇੱਕ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਇਸ ਸਮੀਕਰਨ ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ:

ਕਿੱਥੇ:

• x ਇੱਕ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਹੈ।
• y ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਹੈ।
• a Y-ਇੰਟਰਸੈਪਟ ਹੈ, ਜੋ ਕਿ ਦਾ ਅਨੁਮਾਨਿਤ ਔਸਤ ਮੁੱਲ ਹੈ y ਜਦੋਂ ਸਾਰੇ x ਵੇਰੀਏਬਲ 0 ਦੇ ਬਰਾਬਰ ਹੁੰਦੇ ਹਨ। ਰਿਗਰੈਸ਼ਨ ਗ੍ਰਾਫ਼ ਉੱਤੇ, ਇਹ ਉਹ ਬਿੰਦੂ ਹੈ ਜਿੱਥੇ ਰੇਖਾ Y ਧੁਰੀ ਨੂੰ ਪਾਰ ਕਰਦੀ ਹੈ।
• b ਹੈ। ਇੱਕ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ ਦੀ ਢਲਾਨ , ਜੋ ਕਿ x ਤਬਦੀਲੀਆਂ ਦੇ ਰੂਪ ਵਿੱਚ y ਲਈ ਤਬਦੀਲੀ ਦੀ ਦਰ ਹੈ।
• ε ਬੇਤਰਤੀਬ ਗਲਤੀ ਹੈ ਮਿਆਦ, ਜੋ ਕਿ ਇੱਕ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਦੇ ਅਸਲ ਮੁੱਲ ਅਤੇ ਇਸਦੇ ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਵਿੱਚ ਅੰਤਰ ਹੈ।

ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਵਿੱਚ ਹਮੇਸ਼ਾ ਇੱਕ ਗਲਤੀ ਸ਼ਬਦ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ, ਅਸਲ ਜੀਵਨ ਵਿੱਚ, ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਕਦੇ ਵੀ ਬਿਲਕੁਲ ਸਹੀ ਨਹੀਂ ਹੁੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਐਕਸਲ ਸਮੇਤ ਕੁਝ ਪ੍ਰੋਗਰਾਮ, ਸੀਨ ਦੇ ਪਿੱਛੇ ਗਲਤੀ ਦੀ ਮਿਆਦ ਦੀ ਗਣਨਾ ਕਰਦੇ ਹਨ। ਇਸ ਲਈ, ਐਕਸਲ ਵਿੱਚ, ਤੁਸੀਂ ਘੱਟੋ-ਘੱਟ ਵਰਗ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਕਰਦੇ ਹੋ ਅਤੇ ਗੁਣਾਂਕ a ਅਤੇ b ਲੱਭਦੇ ਹੋ ਜਿਵੇਂ ਕਿ:

ਸਾਡੀ ਉਦਾਹਰਨ ਲਈ, ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਹੇਠਾਂ ਦਿੱਤੀ ਸ਼ਕਲ ਲੈਂਦੀ ਹੈ:

Umbrellas sold = b * rainfall + a

a ਅਤੇ b<ਨੂੰ ਲੱਭਣ ਦੇ ਕਈ ਵੱਖ-ਵੱਖ ਤਰੀਕੇ ਮੌਜੂਦ ਹਨ। 2>। ਐਕਸਲ ਵਿੱਚ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦੇ ਤਿੰਨ ਮੁੱਖ ਤਰੀਕੇ ਹਨ:

• ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਪੈਕ ਨਾਲ ਸ਼ਾਮਲ ਰਿਗਰੈਸ਼ਨ ਟੂਲ
• ਟਰੈਂਡਲਾਈਨ ਦੇ ਨਾਲ ਸਕੈਟਰ ਚਾਰਟ
• ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਫਾਰਮੂਲਾ<14

ਹੇਠਾਂ ਤੁਹਾਨੂੰ ਹਰੇਕ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਬਾਰੇ ਵਿਸਤ੍ਰਿਤ ਹਦਾਇਤਾਂ ਮਿਲਣਗੀਆਂ।

ਐਨਾਲਿਸਿਸ ਟੂਲਪੈਕ ਨਾਲ ਐਕਸਲ ਵਿੱਚ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਕਿਵੇਂ ਕਰੀਏ

ਇਹ ਉਦਾਹਰਨ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਨੂੰ ਕਿਵੇਂ ਚਲਾਉਣਾ ਹੈ। ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਪੈਕ ਐਡ-ਇਨ ਵਿੱਚ ਸ਼ਾਮਲ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ।

ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਪੈਕ ਐਡ-ਇਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਓਵਿੱਚ

ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਪੈਕ ਐਕਸਲ 365 ਤੋਂ 2003 ਦੇ ਸਾਰੇ ਸੰਸਕਰਣਾਂ ਵਿੱਚ ਉਪਲਬਧ ਹੈ ਪਰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਸਮਰੱਥ ਨਹੀਂ ਹੈ। ਇਸ ਲਈ, ਤੁਹਾਨੂੰ ਇਸਨੂੰ ਹੱਥੀਂ ਚਾਲੂ ਕਰਨ ਦੀ ਲੋੜ ਹੈ। ਇਹ ਕਿਵੇਂ ਹੈ:

1. ਆਪਣੇ ਐਕਸਲ ਵਿੱਚ, ਫਾਇਲ > ਵਿਕਲਪਾਂ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
2. ਐਕਸਲ ਵਿਕਲਪਾਂ ਵਿੱਚ ਡਾਇਲਾਗ ਬਾਕਸ, ਖੱਬੇ ਸਾਈਡਬਾਰ 'ਤੇ ਐਡ-ਇਨ ਚੁਣੋ, ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਪ੍ਰਬੰਧ ਕਰੋ ਬਾਕਸ ਵਿੱਚ ਐਡ-ਇਨ ਚੁਣਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਜਾਓ<'ਤੇ ਕਲਿੱਕ ਕਰੋ। 2>।
3. ਐਡ-ਇਨ ਡਾਇਲਾਗ ਬਾਕਸ ਵਿੱਚ, ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲਪੈਕ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ, ਅਤੇ ਠੀਕ ਹੈ :
'ਤੇ ਕਲਿੱਕ ਕਰੋ।

ਇਹ ਤੁਹਾਡੇ ਐਕਸਲ ਰਿਬਨ ਦੇ ਡੇਟਾ ਟੈਬ ਵਿੱਚ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਜੋੜ ਦੇਵੇਗਾ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਚਲਾਓ

ਵਿੱਚ ਇਹ ਉਦਾਹਰਨ, ਅਸੀਂ ਐਕਸਲ ਵਿੱਚ ਇੱਕ ਸਧਾਰਨ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਕਰਨ ਜਾ ਰਹੇ ਹਾਂ। ਸਾਡੇ ਕੋਲ ਕਾਲਮ B ਵਿੱਚ ਪਿਛਲੇ 24 ਮਹੀਨਿਆਂ ਦੀ ਔਸਤ ਮਾਸਿਕ ਵਰਖਾ ਦੀ ਸੂਚੀ ਹੈ, ਜੋ ਕਿ ਸਾਡਾ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ (ਭਵਿੱਖਬਾਣੀ) ਹੈ, ਅਤੇ ਕਾਲਮ C ਵਿੱਚ ਵਿਕੀਆਂ ਛਤਰੀਆਂ ਦੀ ਸੰਖਿਆ, ਜੋ ਕਿ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਹੈ। ਬੇਸ਼ੱਕ, ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਹੋਰ ਕਾਰਕ ਹਨ ਜੋ ਵਿਕਰੀ ਨੂੰ ਪ੍ਰਭਾਵਤ ਕਰ ਸਕਦੇ ਹਨ, ਪਰ ਹੁਣ ਲਈ ਅਸੀਂ ਇਹਨਾਂ ਦੋ ਵੇਰੀਏਬਲਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਾਂ:

ਐਨਾਲਿਸਿਸ ਟੂਲਪੈਕ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਣ ਦੇ ਨਾਲ, ਐਕਸਲ ਵਿੱਚ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਇਹਨਾਂ ਕਦਮਾਂ ਨੂੰ ਪੂਰਾ ਕਰੋ:

1. ਡੇਟਾ ਟੈਬ 'ਤੇ, ਵਿਸ਼ਲੇਸ਼ਣ ਸਮੂਹ ਵਿੱਚ, ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਬਟਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
2. ਰਿਗਰੈਸ਼ਨ ਚੁਣੋ ਅਤੇ ਠੀਕ ਹੈ 'ਤੇ ਕਲਿੱਕ ਕਰੋ।
3. ਰਿਗਰੈਸ਼ਨ ਡਾਇਲਾਗ ਬਾਕਸ ਵਿੱਚ, ਹੇਠ ਲਿਖੀਆਂ ਸੈਟਿੰਗਾਂ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰੋ:
   • ਇੰਪੁੱਟ ਦੀ ਚੋਣ ਕਰੋ Y ਰੇਂਜ , ਜੋ ਕਿ ਤੁਹਾਡਾ ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਹੈ। ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਇਹ ਛਤਰੀ ਦੀ ਵਿਕਰੀ (C1:C25) ਹੈ।
   • ਇਨਪੁਟ X ਰੇਂਜ ਨੂੰ ਚੁਣੋ, ਭਾਵ ਤੁਹਾਡਾ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ । ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਇਹ ਔਸਤ ਮਾਸਿਕ ਵਰਖਾ (B1:B25) ਹੈ।

   ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਮਲਟੀਪਲ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਬਣਾ ਰਹੇ ਹੋ, ਤਾਂ ਵੱਖ-ਵੱਖ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ ਦੇ ਨਾਲ ਦੋ ਜਾਂ ਵੱਧ ਨੇੜੇ ਦੇ ਕਾਲਮ ਚੁਣੋ।

   • ਜੇਕਰ ਤੁਹਾਡੀਆਂ X ਅਤੇ Y ਰੇਂਜਾਂ ਦੇ ਸਿਖਰ 'ਤੇ ਸਿਰਲੇਖ ਹਨ ਤਾਂ ਲੇਬਲ ਬਾਕਸ ਨੂੰ ਚੁਣੋ।
   • ਆਪਣੀ ਪਸੰਦੀਦਾ ਆਉਟਪੁੱਟ ਵਿਕਲਪ, ਸਾਡੇ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਵਰਕਸ਼ੀਟ ਚੁਣੋ। ਕੇਸ।
   • ਵਿਕਲਪਿਕ ਤੌਰ 'ਤੇ, ਪੂਰਵ-ਅਨੁਮਾਨਿਤ ਅਤੇ ਵਾਸਤਵਿਕ ਮੁੱਲਾਂ ਵਿਚਕਾਰ ਅੰਤਰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਰਿਸ਼ੂਆਂ ਚੈੱਕਬਾਕਸ ਦੀ ਚੋਣ ਕਰੋ।
4. ਠੀਕ ਹੈ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਅਤੇ ਐਕਸਲ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ ਦਾ ਨਿਰੀਖਣ ਕਰੋ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰੋ

ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਹੁਣੇ ਦੇਖਿਆ ਹੈ, ਐਕਸਲ ਵਿੱਚ ਰੀਗਰੈਸ਼ਨ ਚਲਾਉਣਾ ਆਸਾਨ ਹੈ ਕਿਉਂਕਿ ਸਾਰੀਆਂ ਗਣਨਾਵਾਂ ਆਪਣੇ ਆਪ ਹੀ ਪਹਿਲਾਂ ਤੋਂ ਤਿਆਰ ਹੁੰਦੀਆਂ ਹਨ। ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਥੋੜੀ ਮੁਸ਼ਕਲ ਹੈ ਕਿਉਂਕਿ ਤੁਹਾਨੂੰ ਇਹ ਜਾਣਨ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ ਕਿ ਹਰੇਕ ਨੰਬਰ ਦੇ ਪਿੱਛੇ ਕੀ ਹੈ। ਹੇਠਾਂ ਤੁਸੀਂ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ ਦੇ 4 ਮੁੱਖ ਭਾਗਾਂ ਦਾ ਇੱਕ ਬ੍ਰੇਕਡਾਊਨ ਦੇਖੋਗੇ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ: ਸੰਖੇਪ ਆਉਟਪੁੱਟ

ਇਹ ਹਿੱਸਾ ਤੁਹਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਗਣਨਾ ਕੀਤੀ ਗਈ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਤੁਹਾਡੇ ਸਰੋਤ ਡੇਟਾ ਨੂੰ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਫਿੱਟ ਕਰਦੀ ਹੈ।

ਜਾਣਕਾਰੀ ਦੇ ਹਰੇਕ ਹਿੱਸੇ ਦਾ ਅਰਥ ਇੱਥੇ ਹੈ:

ਮਲਟੀਪਲ R । ਇਹ C ਸੰਬੰਧ ਗੁਣਾਂਕ ਦੀ ਤਾਕਤ ਨੂੰ ਮਾਪਦਾ ਹੈਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਇੱਕ ਰੇਖਿਕ ਸਬੰਧ। ਸਹਿ-ਸੰਬੰਧ ਗੁਣਾਂਕ -1 ਅਤੇ 1 ਦੇ ਵਿਚਕਾਰ ਕੋਈ ਵੀ ਮੁੱਲ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਸਦਾ ਸੰਪੂਰਨ ਮੁੱਲ ਸਬੰਧਾਂ ਦੀ ਮਜ਼ਬੂਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਸੰਪੂਰਨ ਮੁੱਲ ਜਿੰਨਾ ਵੱਡਾ ਹੋਵੇਗਾ, ਰਿਸ਼ਤਾ ਓਨਾ ਹੀ ਮਜ਼ਬੂਤ ​​ਹੋਵੇਗਾ:

• 1 ਦਾ ਮਤਲਬ ਹੈ ਮਜ਼ਬੂਤ ​​ਸਕਾਰਾਤਮਕ ਰਿਸ਼ਤਾ
• -1 ਦਾ ਮਤਲਬ ਹੈ ਮਜ਼ਬੂਤ ​​ਨਕਾਰਾਤਮਕ ਰਿਸ਼ਤਾ
• 0 ਦਾ ਮਤਲਬ ਹੈ ਕੋਈ ਰਿਸ਼ਤਾ ਨਹੀਂ ਸਾਰੇ

R ਵਰਗ । ਇਹ ਨਿਰਧਾਰਨ ਦਾ ਗੁਣਾਂਕ ਹੈ, ਜੋ ਕਿ ਫਿੱਟ ਦੀ ਚੰਗਿਆਈ ਦੇ ਸੂਚਕ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ 'ਤੇ ਕਿੰਨੇ ਪੁਆਇੰਟ ਆਉਂਦੇ ਹਨ। R2 ਮੁੱਲ ਦੀ ਗਣਨਾ ਵਰਗਾਂ ਦੇ ਕੁੱਲ ਜੋੜ ਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਵਧੇਰੇ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ, ਇਹ ਮੱਧਮਾਨ ਤੋਂ ਮੂਲ ਡੇਟਾ ਦੇ ਵਰਗ ਵਿਵਹਾਰ ਦਾ ਜੋੜ ਹੈ।

ਸਾਡੀ ਉਦਾਹਰਨ ਵਿੱਚ, R2 0.91 ਹੈ (2 ਅੰਕਾਂ ਤੱਕ ਗੋਲਾਕਾਰ) , ਜੋ ਕਿ ਵਧੀਆ ਹੈ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਸਾਡੇ 91% ਮੁੱਲ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਮਾਡਲ ਦੇ ਅਨੁਕੂਲ ਹਨ। ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, 91% ਨਿਰਭਰ ਵੇਰੀਏਬਲਾਂ (y-ਮੁੱਲਾਂ) ਨੂੰ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲਾਂ (x-ਮੁੱਲਾਂ) ਦੁਆਰਾ ਸਮਝਾਇਆ ਜਾਂਦਾ ਹੈ। ਆਮ ਤੌਰ 'ਤੇ, 95% ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਦੇ R ਵਰਗ ਨੂੰ ਇੱਕ ਚੰਗਾ ਫਿੱਟ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।

ਅਡਜਸਟਡ R ਵਰਗ । ਇਹ ਮਾਡਲ ਵਿੱਚ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਦੀ ਸੰਖਿਆ ਲਈ ਐਡਜਸਟ ਕੀਤਾ ਗਿਆ R ਵਰਗ ਹੈ। ਤੁਸੀਂ ਮਲਟੀਪਲ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ R ਵਰਗ ਦੀ ਬਜਾਏ ਇਸ ਮੁੱਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਚਾਹੋਗੇ।

ਸਟੈਂਡਰਡ ਐਰਰ । ਇਹ ਇਕ ਹੋਰ ਚੰਗੀ-ਫਿੱਟ-ਫਿੱਟ ਮਾਪ ਹੈ ਜੋ ਤੁਹਾਡੇ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ - ਜਿੰਨੀ ਛੋਟੀ ਸੰਖਿਆ, ਤੁਸੀਂ ਇਸ ਬਾਰੇ ਵਧੇਰੇ ਨਿਸ਼ਚਿਤ ਹੋ ਸਕਦੇ ਹੋ।ਤੁਹਾਡਾ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ। ਜਦੋਂ ਕਿ R2 ਨਿਰਭਰ ਵੇਰੀਏਬਲ ਵੇਰੀਅੰਸ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜੋ ਮਾਡਲ ਦੁਆਰਾ ਵਿਖਿਆਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਸਟੈਂਡਰਡ ਐਰਰ ਇੱਕ ਪੂਰਨ ਮਾਪ ਹੈ ਜੋ ਔਸਤ ਦੂਰੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਡੇਟਾ ਪੁਆਇੰਟ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ ਤੋਂ ਡਿੱਗਦੇ ਹਨ।

ਨਿਰੀਖਣ । ਇਹ ਸਿਰਫ਼ ਤੁਹਾਡੇ ਮਾਡਲ ਵਿੱਚ ਨਿਰੀਖਣਾਂ ਦੀ ਸੰਖਿਆ ਹੈ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ: ਅਨੋਵਾ

ਆਉਟਪੁੱਟ ਦਾ ਦੂਜਾ ਹਿੱਸਾ ਵਿਭਿੰਨਤਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ (ANOVA):

ਅਸਲ ਵਿੱਚ, ਇਹ ਵਰਗਾਂ ਦੇ ਜੋੜ ਨੂੰ ਵਿਅਕਤੀਗਤ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਰਿਗਰੈਸ਼ਨ ਮਾਡਲ ਦੇ ਅੰਦਰ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਪੱਧਰਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦਿੰਦੇ ਹਨ:

• df ਸਰੋਤਾਂ ਨਾਲ ਸੰਬੰਧਿਤ ਆਜ਼ਾਦੀ ਦੀਆਂ ਡਿਗਰੀਆਂ ਦੀ ਸੰਖਿਆ ਹੈ ਵਿਭਿੰਨਤਾ ਦਾ।
• SS ਵਰਗਾਂ ਦਾ ਜੋੜ ਹੈ। ਕੁੱਲ SS ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਬਾਕੀ ਬਚਿਆ SS ਜਿੰਨਾ ਛੋਟਾ ਹੋਵੇਗਾ, ਤੁਹਾਡਾ ਮਾਡਲ ਡਾਟਾ ਵਿੱਚ ਉੱਨਾ ਹੀ ਵਧੀਆ ਫਿੱਟ ਹੋਵੇਗਾ।
• MS ਮੱਧ ਵਰਗ ਹੈ।
• F F ਅੰਕੜਾ ਹੈ, ਜਾਂ ਨਲ ਪਰਿਕਲਪਨਾ ਲਈ F-ਟੈਸਟ ਹੈ। ਇਸਦੀ ਵਰਤੋਂ ਮਾਡਲ ਦੀ ਸਮੁੱਚੀ ਮਹੱਤਤਾ ਨੂੰ ਪਰਖਣ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
• ਮਹੱਤਵ F F ਦਾ P-ਮੁੱਲ ਹੈ।

ਅਨੋਵਾ ਭਾਗ ਨੂੰ ਘੱਟ ਹੀ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਐਕਸਲ ਵਿੱਚ ਇੱਕ ਸਧਾਰਨ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ, ਪਰ ਤੁਹਾਨੂੰ ਯਕੀਨੀ ਤੌਰ 'ਤੇ ਆਖਰੀ ਹਿੱਸੇ 'ਤੇ ਨਜ਼ਦੀਕੀ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ। ਮਹੱਤਵ F ਮੁੱਲ ਇੱਕ ਵਿਚਾਰ ਦਿੰਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਨਤੀਜੇ ਕਿੰਨੇ ਭਰੋਸੇਮੰਦ (ਅੰਕੜਾ ਪੱਖੋਂ ਮਹੱਤਵਪੂਰਨ) ਹਨ। ਜੇਕਰ ਸਾਰਥਕਤਾ F 0.05 (5%) ਤੋਂ ਘੱਟ ਹੈ, ਤਾਂ ਤੁਹਾਡਾ ਮਾਡਲ ਠੀਕ ਹੈ। ਜੇਕਰ ਇਹ 0.05 ਤੋਂ ਵੱਧ ਹੈ, ਤਾਂ ਤੁਸੀਂਸ਼ਾਇਦ ਇੱਕ ਹੋਰ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਚੁਣੋ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ: ਗੁਣਾਂਕ

ਇਹ ਭਾਗ ਤੁਹਾਡੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਭਾਗਾਂ ਬਾਰੇ ਖਾਸ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ:

ਇਸ ਭਾਗ ਵਿੱਚ ਸਭ ਤੋਂ ਲਾਭਦਾਇਕ ਭਾਗ ਹੈ ਗੁਣਾਕ । ਇਹ ਤੁਹਾਨੂੰ ਐਕਸਲ ਵਿੱਚ ਇੱਕ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਬਣਾਉਣ ਦੇ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ:

ਸਾਡੇ ਡੇਟਾ ਸੈੱਟ ਲਈ, ਜਿੱਥੇ y ਛਤਰੀਆਂ ਦੀ ਸੰਖਿਆ ਹੈ ਅਤੇ x ਇੱਕ ਔਸਤ ਮਹੀਨਾਵਾਰ ਵਰਖਾ ਹੈ, ਸਾਡਾ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਫਾਰਮੂਲਾ ਇਸ ਤਰ੍ਹਾਂ ਜਾਂਦਾ ਹੈ:

Y = Rainfall Coefficient * x + Intercept

ਤਿੰਨ ਦਸ਼ਮਲਵ ਸਥਾਨਾਂ 'ਤੇ ਗੋਲ ਕੀਤੇ a ਅਤੇ b ਮੁੱਲਾਂ ਨਾਲ ਲੈਸ, ਇਹ ਇਸ ਵਿੱਚ ਬਦਲਦਾ ਹੈ:

Y=0.45*x-19.074

ਉਦਾਹਰਨ ਲਈ, 82 ਮਿਲੀਮੀਟਰ ਦੇ ਬਰਾਬਰ ਔਸਤ ਮਾਸਿਕ ਵਰਖਾ ਦੇ ਨਾਲ, ਛੱਤਰੀ ਦੀ ਵਿਕਰੀ ਲਗਭਗ 17.8 ਹੋਵੇਗੀ:

0.45*82-19.074=17.8

ਇਸੇ ਤਰ੍ਹਾਂ, ਤੁਸੀਂ ਇਹ ਪਤਾ ਲਗਾ ਸਕਦੇ ਹੋ ਕਿ ਕਿੰਨੀਆਂ ਛਤਰੀਆਂ ਹੋਣ ਜਾ ਰਹੀਆਂ ਹਨ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਨਿਰਧਾਰਿਤ ਕਿਸੇ ਵੀ ਹੋਰ ਮਾਸਿਕ ਵਰਖਾ (x ਵੇਰੀਏਬਲ) ਨਾਲ ਵੇਚਿਆ ਜਾਂਦਾ ਹੈ।

ਰਿਗਰੈਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ: ਰਹਿੰਦ-ਖੂੰਹਦ

ਜੇਕਰ ਤੁਸੀਂ 82 ਮਿਲੀਮੀਟਰ ਦੀ ਮਾਸਿਕ ਵਰਖਾ ਨਾਲ ਸੰਬੰਧਿਤ ਵੇਚੀਆਂ ਗਈਆਂ ਛਤਰੀਆਂ ਦੀ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਸੰਖਿਆ ਦੀ ਤੁਲਨਾ ਕਰਦੇ ਹੋ, ਤੁਸੀਂ ਦੇਖੋਗੇ ਕਿ ਇਹ ਨੰਬਰ ਥੋੜੇ ਵੱਖਰੇ ਹਨ:

• ਅਨੁਮਾਨਿਤ: 17.8 (ਉੱਪਰ ਗਿਣਿਆ ਗਿਆ)
• ਅਸਲ: 15 (ਸਰੋਤ ਡੇਟਾ ਦੀ ਕਤਾਰ 2)

ਫਰਕ ਕਿਉਂ ਹੈ? ਕਿਉਂਕਿ ਸੁਤੰਤਰ ਵੇਰੀਏਬਲ ਕਦੇ ਵੀ ਨਿਰਭਰ ਵੇਰੀਏਬਲਾਂ ਦੇ ਸੰਪੂਰਨ ਪੂਰਵ-ਸੂਚਕ ਨਹੀਂ ਹੁੰਦੇ। ਅਤੇ ਰਹਿੰਦ-ਖੂੰਹਦ ਇਹ ਸਮਝਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਅਸਲ ਮੁੱਲ ਅਨੁਮਾਨਿਤ ਮੁੱਲਾਂ ਤੋਂ ਕਿੰਨੇ ਦੂਰ ਹਨ:

ਲਈਪਹਿਲਾ ਡੇਟਾ ਪੁਆਇੰਟ (ਬਰਸਾਤ 82 ਮਿਲੀਮੀਟਰ), ਬਕਾਇਆ ਲਗਭਗ -2.8 ਹੈ। ਇਸ ਲਈ, ਅਸੀਂ ਇਸ ਨੰਬਰ ਨੂੰ ਪੂਰਵ ਅਨੁਮਾਨਿਤ ਮੁੱਲ ਵਿੱਚ ਜੋੜਦੇ ਹਾਂ, ਅਤੇ ਅਸਲ ਮੁੱਲ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਾਂ: 17.8 - 2.8 = 15।

ਐਕਸਲ ਵਿੱਚ ਇੱਕ ਲੀਨੀਅਰ ਰਿਗਰੈਸ਼ਨ ਗ੍ਰਾਫ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ

ਜੇਕਰ ਤੁਹਾਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਕਲਪਨਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਦੋ ਵੇਰੀਏਬਲਾਂ ਵਿਚਕਾਰ ਸਬੰਧ, ਇੱਕ ਲੀਨੀਅਰ ਰੀਗਰੈਸ਼ਨ ਚਾਰਟ ਖਿੱਚੋ। ਇਹ ਬਹੁਤ ਆਸਾਨ ਹੈ! ਇਸ ਤਰ੍ਹਾਂ ਹੈ:

1. ਸਿਰਲੇਖਾਂ ਸਮੇਤ, ਆਪਣੇ ਡੇਟਾ ਦੇ ਨਾਲ ਦੋ ਕਾਲਮਾਂ ਦੀ ਚੋਣ ਕਰੋ।
2. ਇਨਸੈੱਟ ਟੈਬ 'ਤੇ, ਚੈਟਸ ਗਰੁੱਪ ਵਿੱਚ , ਸਕੈਟਰ ਚਾਰਟ ਆਈਕਨ 'ਤੇ ਕਲਿੱਕ ਕਰੋ, ਅਤੇ ਸਕੈਟਰ ਥੰਬਨੇਲ (ਪਹਿਲਾ ਇੱਕ):

   ਇਹ ਤੁਹਾਡੀ ਵਰਕਸ਼ੀਟ ਵਿੱਚ ਇੱਕ ਸਕੈਟਰ ਪਲਾਟ ਸ਼ਾਮਲ ਕਰੇਗਾ, ਜੋ ਕਿ ਇਸ ਵਰਗਾ ਹੋਵੇਗਾ। ਇੱਕ:

3. ਹੁਣ, ਸਾਨੂੰ ਸਭ ਤੋਂ ਘੱਟ ਵਰਗ ਰਿਗਰੈਸ਼ਨ ਲਾਈਨ ਖਿੱਚਣ ਦੀ ਲੋੜ ਹੈ। ਇਸ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ, ਕਿਸੇ ਵੀ ਬਿੰਦੂ 'ਤੇ ਸੱਜਾ ਕਲਿੱਕ ਕਰੋ ਅਤੇ ਸੰਦਰਭ ਮੀਨੂ ਤੋਂ ਟ੍ਰੇਂਡਲਾਈਨ ਸ਼ਾਮਲ ਕਰੋ… ਚੁਣੋ।
4. ਸੱਜੇ ਪੈਨ 'ਤੇ, ਲੀਨੀਅਰ ਟ੍ਰੈਂਡਲਾਈਨ ਸ਼ਕਲ ਦੀ ਚੋਣ ਕਰੋ ਅਤੇ ਵਿਕਲਪਿਕ ਤੌਰ 'ਤੇ, ਆਪਣਾ ਰਿਗਰੈਸ਼ਨ ਫਾਰਮੂਲਾ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਚਾਰਟ 'ਤੇ ਸਮੀਕਰਨ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰੋ ਚੈੱਕ ਕਰੋ:

   ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਨੋਟ ਕਰ ਸਕਦੇ ਹੋ, ਐਕਸਲ ਦੁਆਰਾ ਸਾਡੇ ਲਈ ਬਣਾਈ ਗਈ ਰਿਗਰੈਸ਼ਨ ਸਮੀਕਰਨ ਉਹੀ ਹੈ ਜੋ ਅਸੀਂ ਗੁਣਾਂਕ ਆਉਟਪੁੱਟ ਦੇ ਅਧਾਰ ਤੇ ਬਣਾਏ ਗਏ ਰੇਖਿਕ ਰਿਗਰੈਸ਼ਨ ਫਾਰਮੂਲੇ ਦੇ ਸਮਾਨ ਹੈ।

5. ਫਿਲ ਅਤੇ ਐਂਪ; ਲਾਈਨ ਟੈਬ ਅਤੇ ਲਾਈਨ ਨੂੰ ਆਪਣੀ ਪਸੰਦ ਅਨੁਸਾਰ ਅਨੁਕੂਲਿਤ ਕਰੋ। ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਵੱਖਰੀ ਲਾਈਨ ਦਾ ਰੰਗ ਚੁਣ ਸਕਦੇ ਹੋ ਅਤੇ ਡੈਸ਼ਡ ਲਾਈਨ ਦੀ ਬਜਾਏ ਇੱਕ ਠੋਸ ਲਾਈਨ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ ( ਡੈਸ਼ ਕਿਸਮ ਬਾਕਸ ਵਿੱਚ ਠੋਸ ਲਾਈਨ ਚੁਣੋ):